#神经网络
共 1527 篇相关文章
·6 分钟
遗传算法+神经网络：登机效率超越Steffen法9.6%
Reddit开发者用遗传算法结合多层感知机（MLP）优化飞机登机顺序，在模拟中实现比Steffen方法快9.6%的登机效率。本文拆解其技术思路、实际意义与局限性。
阅读全文 →
·11 分钟
脉冲神经网络能在边缘设备上真正提效吗
深入分析脉冲神经网络(SNN)在ESP32等边缘设备上的实际能效表现，探讨神经形态芯片落地困境、通用MCU架构错配问题，以及当前边缘AI开发者的务实选择。
阅读全文 →
·10 分钟
用VRML可视化MLP：XOR问题的3D神经网络演示
通过VRML三维可视化技术展示多层感知机(MLP)如何解决经典XOR问题，直观呈现神经网络推理与训练过程中的权重变化、激活传播和梯度下降机制。
阅读全文 →
·7 分钟
从函数到神经网络：一文读懂AI的底层逻辑
从函数表示一切的信念出发，解析符号主义、连接主义到神经网络的演进路径。用最简单的主线讲清机器学习、深度学习的核心思想，帮你真正理解AI的底层运算逻辑。
阅读全文 →
·12 分钟
用NumPy从零构建神经网络：完整实战指南
详解如何仅用Python和NumPy从零实现神经网络，涵盖前向传播、反向传播、梯度下降的完整代码实现路径，附学习资源推荐和分步实战路线图。
阅读全文 →
·5 分钟
14字节神经网络从零解决迷宫问题：极致压缩的AI实验
一个仅14字节的神经网络如何解决96.5%的未见迷宫？探索从零构建极致压缩模型的工程实践，理解模型规模与任务复杂度的关系，以及小模型在边缘计算场景中的潜力。
阅读全文 →
·7 分钟
神经网络隐藏层如何解决XOR问题：从数学到几何的完整解析
深入解析神经网络隐藏层在XOR异或问题中的工作原理。通过数学计算、几何直觉和具体数值示例，讲清楚隐藏神经元如何通过特征空间变换将线性不可分问题变为线性可分，帮助你真正理解深度学习的核心机制。
阅读全文 →
·7 分钟
14字节AI大脑挑战迷宫：极简神经网络的智能极限实验
用仅14字节的微型AI大脑尝试求解2D迷宫，探索智能的信息压缩极限。本文解析极简神经网络背后的进化算法思路、有限记忆困境，以及极小AI在可解释性和边缘计算领域的独特价值。
阅读全文 →
·6 分钟
符号AI与神经网络融合：系统学习路径与核心数学工具
深入解析符号搜索与梯度学习的数学本质差异，梳理逻辑与类型论、范畴论、代数几何等核心数学领域，提供一份面向神经符号AI融合的系统学习路径。
阅读全文 →
·13 分钟
AI可解释性研究前沿：打开神经网络的黑箱
深入解析AI可解释性研究：从思维链、探针技术到稀疏自编码器，探讨科学家如何理解神经网络内部机制，评估AI对齐与安全性，揭示黑箱背后的运作逻辑。
阅读全文 →
Dense：专为神经网络架构研究打造的开源ML工作台
·6 分钟
Dense：专为神经网络架构研究打造的开源ML工作台
Dense 是一款面向神经网络架构研究的开源 ML IDE，整合了 DeltaImportance 层与架构可视化工具，帮助研究者在设计阶段快速迭代、分析网络重要性，填补训练框架与可视化工具之间的生态空白。
阅读全文 →
深度学习理论：神经网络为何有效？理论研究全解析
·9 分钟
深度学习理论：神经网络为何有效？理论研究全解析
深度学习在实践中大放异彩，但理论解释为何始终滞后？本文深入梳理过参数化悖论、隐式正则化、神经正切核（NTK）、信息瓶颈等核心理论流派，探讨我们究竟在多大程度上真正理解神经网络。
阅读全文 →
·11 分钟
Sprout实验：不依赖神经网络的确定性符号推理AI探索
Sprout是一个反主流的AI研究实验，完全抛弃GPU与神经网络，转而采用确定性符号推理逐步学习。它拥有可审计知识库，证据不足时拒绝回答，将可解释性与治理置于首位。本文深度解析Sprout的技术路线、设计理念及其在可信AI领域的独特价值。
阅读全文 →
·7 分钟
图神经网络GNN：六大核心应用场景与产业落地全景解析
深入解析图神经网络GNN的核心思想与六大应用场景，涵盖芯片设计、推荐系统、金融风控、交通流量预测、自动驾驶及医疗新材料研发，帮助AI从业者全面掌握GNN从学术前沿到产业落地的关键路径。
阅读全文 →
·11 分钟
DiffusionBlocks：逐块训练神经网络，内存降低数倍的新方法
DiffusionBlocks将神经网络拆分为独立块逐块训练，将训练内存需求从与网络深度线性相关降低为仅与单块大小相关。该方法在ViT、DiT、自回归Transformer等五种架构上验证有效，性能媲美端到端训练。
阅读全文 →
·11 分钟
手撕神经网络：从线性回归到梯度下降的底层原理详解
从线性回归、逻辑回归到梯度下降法，逐步推导神经网络的核心机制。涵盖Sigmoid函数、交叉熵损失、特征组合、激活函数原理及反向传播链式法则，帮助你建立深度学习的数学直觉。
阅读全文 →
教程攻略·8 分钟
PyTorch入门教程：张量操作与神经网络构建完全指南
PyTorch入门核心概念详解，涵盖张量操作基础、动态计算图、GPU加速原理，手把手教你用nn.Module构建第一个神经网络，附学习路径建议与实战代码示例。
阅读全文 →
深度解读·1 分钟
神经网络入门：从基本原理到手写数字识别实战
零基础搞懂神经网络工作原理。系统讲解输入层、隐藏层、前向传播、反向传播、梯度下降等核心概念，结合手写数字识别案例，带你掌握深度学习最重要的基础知识。
阅读全文 →
